搜索资源列表
Bayesnet
- a Java toolkit for training, testing, and applying Bayesian Network Classifiers. Implemented classifiers have been shown to perform well in a variety of artificial intelligence, machine learning, and data mining applications. -a Java toolkit for tra
AHybidGeneticAgorithmtoSolveTS
- 求解TSP和MTSP的混合遗传算法_英文_,Abstract:M any app licat ions are invo lved w ith mult ip le salesmen each of w hom visits a subgroup cit ies and returns the same start ing city. The to tal length of all subtours is required to be m ini2 mum. Th is is called
edrk
- 主要包括免疫识别、免疫学习、免疫 记忆、克隆选择、个体多样性、分布式和自适应等,-It is the real engineering app licat ion s that draw the b road at ten2 t ion of compu ter scien t ist s to recogn ize the great po ten t ial of A IS, hereby som e impo rtan t app li2 cat ion f ields as
Adaptive-Hysteresis
- 基于径向基函数神经网络迟滞非线性自适应控制 提出了一种新的动态迟滞非线性模型. 将一定数量不同死区宽度的 backlash 模型并行相 加, 作为一个动态系统以仿真执行器中的迟滞特性. 利用该模型, 采用伪控制方法设计了一套具有 未知迟滞特性非线性系统的神经网络自适应控制方案, 通过自适应算法来调整干扰项的上限. 采用 Lyapunov 稳定性理论进行了严格证明, 仿真试验验证了所提方案的有效性.- A nov el class of hysteresis mo dels w
adaptive-genetic-algorithm
- 自适应GA SVM 参数选择算法研究Param eter selection algorithm for support vector machines based on adaptive genetic algorithm 支持向量机是一种非常有前景的学习机器, 它的回归算法已经成功地用于解决非线性函数的逼近问题. 但 是, SVM 参数的选择大多数是凭经验选取, 这种方法依赖于使用者的水平, 这样不仅不能获得最佳的函数逼近效果, 而且采用人工的方法选择 SVM 参数比较浪费
duoquanzhishengjingwangluo
- 应用多权值神经网络方法对静态手势进行识别, 对手势字母图像采用傅里叶描述子提取特征信息, 取低频信息成分构建成犯维特征向量, 并应用多权值神经网络的算法, 构建各类的神经元网络-W ith th e develo Pm en t of hu m an eom p uter intera etion te ehn olo盯, th e h as been b ased on an im P o rt a n t tas k fo r U r o n s diseu ssion
Classification-based--
- 多边多议题谈判 最复杂的现实的协商问题。自动AP- 接近已被证明特别看好复杂的东北 gotiations和以前的研究表明进化COM 可能是有用putation的这种复杂的系统。要改善 证明效率的多边多议题的现实NE- gotiations,避免完整信息的要求 关于谈判的重刑模型的基础上,一种新的谈判 提出了一个改进的进化算法P-ADE。-Abstract Multi-lateral multi-issue negotiations are the most c